III. Sz. Belgyógyászati Klinika

Az előadások a következő témára: "III. Sz. Belgyógyászati Klinika"— Előadás másolata:

1 III. Sz. Belgyógyászati Klinika
Egy és többváltozós logisztikus regressziós vizsgálatok és alkalmazásaik a klinikumban Dr. Prohászka Zoltán Az MTA doktora Semmelweis Egyetem III. Sz. Belgyógyászati Klinika

2 Vizsga helyszín: IX. Ferenc tér 15. II. em Ez a Nyelvi Intézet épülete.

3 Ismétlés Egyváltozós modellekkel megválaszolható kérdések
Egy megfigyelt különbség vagy arány a véletlen hatására alakult-e ki? Többváltozós modellekkel megválaszolható kérdések Az adott független változó(k) szignifikáns kapcsolatban vannak-e függő változóval? Van-e kapcsolat a független változók között? Mekkora a független változók egymáshoz képest mutatott relatív súlya a megfigyelt különbség (arány) kialakításában? Más szavakkal: segít súlyozni, megítélni, típusba sorolni a független változóinkat.

4 A független változó Típusa Jellegzetességei Felismerési lehetőség
Példa Zavaró faktor (confounder) Kapcsolatban áll a rizikótényezővel és okozati összefüggésben a kimenetellel Rétegzett analízis Többváltozós analízis A statisztikai analízis azonban önmagában nem elegendő, hogy a kettő között különbséget lehessen tenni. Öngyújtó, dohányzás, tüdőrák Közbeeső változó (intervening variable) Kapcsolatban áll a rizikótényezővel és okozati összefüggésben a kimenetellel, a rizikótényező általa fejti ki hatását Doh, cotinine, toxikus metabolitok, tüdőrák Gátló faktor (supresser) Kapcsolatban áll a rizikótényezővel és a kimenetellel, a rizikófaktor hatását elfedi Rétegzett analízis a supresser változó szerint Többváltozós analízis, adjusztálás (illesztés) a supresser változóra Aspirin, MI, halálozás Orvosi hivatás, válás, öngyilkosság Hatásmódosító vagy interakciós változó (interaction variable) Hatásmódosítás. A rizikótényező hatása a kimenetelre egy harmadik változó értékétől függ. Rétegzett analízis az interakciós változó szerint. Többváltozós analízis „with interaction terms” Expozíció, inokuláció mértéke, betegség súlyossága

5 Többváltozós analízisek
Függő változó Példa a kimenetelre A használandó többszörös analitikai módszer Folyamatos Vérnyomás, testsúly, hőmérséklet Többszörös lineáris regresszió Dichotom (igen-nem) Halál, betegség kialakulása, felvétel osztályra Többszörös logisztikus regresszió Az eseményig eltelt idő Halálig, dg.-ig eltelt idő Cox regresszió (proportional hazard analízis)

6 A logisztikus regresszió
Kategórikus függő (dependes) változó értékeinek becslésére, előrejelzésére szolgáló modell Binary: két kategória Multinominal: több kategória A modellt valós, mért, számolt valószínűségekre alapozzuk, ezeket összességükben magyarázó, független (independent) változóknak nevezzük (exlanatory or predictor variables) A független változók lehetnek nominális vagy kategória változók

7 Problémabemutatás, kérdésfeltevés:
195 szívelégtelenségben szenvedő beteg kereste fel az ambulanciát 1 év alatt. 92 betegnek súlyos szívelégtelensége volt szubjektív, ön-bevallásos skálán (NYHA) Kik azok a betegek, akik várhatóan a súlyos csoportba tartoznak? (milyen objektív mutatók alapján jósolható ez meg?) Ha több ilyen változó is van, akkor vajon ezek egymás hatásán keresztül vagy függetlenül jelzik a halálozási rizikót? (akik anémiásak és/vagy veseelégtelenségük is van?) Ha van több független magyarázó változó, akkor ezeknek milyen az egymáshoz viszonyított fontossága, súlya? (kétszer olyan fontos az anémia, mint a veseérintettség?)

8 Tüdőpangás nincs Tüdőpangás van Összesen NYHA 1-2 82 21 103 NYHA 3-4 32 60 92 114 81 195 Chi-square, df 38.39, 1 P value P<0.0001

9 A független (prediktor, magyarázó) változók
A független változók lehetnek Kategorikusak Dichotomok – pl. fogyaszt-e alkoholt? 0/1-nek kódoljuk – 0 - a referencia csoport, 1- a vizsgált csoport (Dummy változó) Ha több kategória is előfordul, akár igen sok dummy változót is csinálhatunk: „milyen gyakran fogyaszt alkoholt?” Folytonosak (vérnyomás, életkor) Egységnyi változáshoz tartozó esélyhányados növekedést adja meg Nehezen interpretálható → folyamatos változó kategorikussá alakítása (pl.: medián alatt/felet, melyik tercilisbe tartozik) → folyamatos változó normalizálása (1 SD [Z-score], IQ tartomány) Számuk korlátozott – ökölszabály: kb. 6-10x legyen több eset a kisebb csoportban, mint a független változók száma

10 Tüdőpangás nincs Tüdőpangás van Összesen NYHA 1-2 82 21 103 NYHA 3-4 32 60 92 114 81 195 A példa kérdésfeltevése szerint („mivel jósolhatom meg, hogy ki a súlyos beteg”): Melyik a független változó? Melyik a függő változó? Hány független változót tudnék elemezni ebben a vizsgálatban? Ki tudná megsaccolni az odds-ot?

11 Esély, odds Dichotom változónál az egyik esemény valószínűsége osztva a másik esemény valószínűségével Tartománya: 0 – végtelen „mennyivel (milyen mértékben) esélyesebb, hogy az adott egyén az eseményes csoportba kerül, mint a nem eseményesbe” Dobókocka 6-os legyen: 1/6 Ne legyen hatos: 5/6 Odds hogy ne legyen 6-os: 5 (hogy hatos legyen: 0,2)

12 Esély arány, odds ratio (OR)
OR – ezzel számszerűsíti a logisztikus regresszió a függő és független változó közötti összefüggést Megadja mennyivel változik az esélye annak, hogy az eseményes csoportba tartozik egy egyén, ha a független változó értéke egy egységnyivel változik

13 Tüdőpangás nincs Tüdőpangás van Összesen NYHA 1-2 82 21 103 NYHA 3-4 32 60 92 114 81 195 A példa kérdésfeltevése szerint („mivel jósolhatom meg, hogy ki a súlyos beteg”): Melyik a független változó? Melyik a függő változó? Hány független változót tudnék elemezni ebben a vizsgálatban? Ki tudná megsaccolni az esély arányt? „Mennyi az esélye, hogy aki pang, súlyosabb csoportba tartozzon, ahhoz képest, mint aki nem pang?”

14 Odds ratio: 7,321, 95% confidence interval 3.847 to 13.93
Tüdőpangás nincs Tüdőpangás van Összesen NYHA 1-2 82 21 103 NYHA 3-4 32 60 92 114 81 195 Chi-square, df 38.39, 1 P value P<0.0001 Odds ratio: 7,321, 95% confidence interval to 13.93

15

16 Logisztikus regresszió egyenlete
p – a valószínűség, hogy az egyén valamelyik csoportba tartozik a – a konstans b – az adott prediktor regressziós koefficiense Ez az ln(OR)! Sok helyen béta (β) OR= e β – egymásból számíthatóak

17 A regressziós együtthatókból kiolvashatjuk…
Béta (b): … hogy az adott változó hogyan befolyásolja az y (kimeneteli változó) bekövetkezésének esélyét: β>0 – növeli, β<0 – csökkenti, β=0 – nem befolyásolja OR: Folytonos magyarázó változóknál: … hogy egy egységnyi növekedés hányszorosára növeli a y bekövetkeztének esélyét (odd) ha az x magyarázó változó dichotom … hogy a vizsgált csoportban az y bekövetkezésének esélye (odd) hányszorosa a referenciacsoportbelinek ha a magyarázó változó több mint 2 kategóriás … hogy a szóban forgó csoportban az y bekövetkezésének esélye (odd) hányszorosa a referenciacsoportbelinek

18 Wald chi négyzet teszt A regressziós egyenletben az egyes prediktorok (x) hatásának szignifikanciáját teszteli H0 – a változónak nincs szerepe a függő változó kimenetében Ha a OR 95%-os konfidencia intervalluma tartalmazza az 1-es érétket, akkor az adott prediktor nem szignifikáns

19 Modellépítés - Milyen független változók legyenek?
A kérdésfeltevés, függő változó lényeges szempont Ha a betegség kimenetelével kapcsolatos: Alap adatok – nem, életkor Betegség súlyosságát jelző mutató Az általunk tesztelni kívánt változó Irodalmi adatokból ismert prediktorok Lehetséges irányvonal: egyváltozós modellben szoros összefüggést mutat

20 „Automatikus” modellépítés
„Stepwise regression” Forward selection Backward elimination A nem szignifikáns változókat kiválogatva megkeresi a legjobban illeszkedő modelleket Biológiailag releváns?

21 Quick logit regression
Modell illeszkedés Béta A független változó hatása a függőre Az odds ratio

22

23 Hogy interpretáljuk az előző modellt?
A súlyos szívelégtelenség fennállása kapcsolatot mutat a tüdőpangás jelenlétével. Kb. 7-szeres az esélye, ha valakinek pang a tüdeje, hogy a „súlyos” csoportba tartozzon. Ha súlyos és nem súlyos csoportba tartozó betegek egyenlő idősek lennének, a tüdőpangás akkor is kb. 7-szeresére növelné az esélyét a „súlyos” csoportba tartozásnak, vagyis a pangás hatás a független az életkortól. „Adjusztálás” Fordítva is igaz: age OR: 1,03…nehéz interpretálni, elképzelni, mit is jelent ez a rizikó a gyakorlatban

24 Dummy var „idős vs. fiatal”

25 Az életkor és a közbeeső változó (vagy confounder
Az életkor és a közbeeső változó (vagy confounder?) kapcsolata a kimenettel

26 OR a referencia csoportban mindig 1
Wald Chi négyzet OR a referencia csoportban mindig 1 Ha a OR CI-je nem tartalmazza az 1-et (50-50%), akkor szignifikáns. Ha OR<1, akkor az eseményre a referencia csoportnak van nagyobb esélye Pneumocystis pneumonia

27 Összefoglalás Kontingencia tábla, esély-arány
Binomiális (kategórikus) függő változó értékének jóslására a logisztikus regresszió pontosabb becslést ad, mint a lineáris A független változó kategóriái (értékei) miként jósolják a függő változót Szignifikánsak? Függetlenek? Milyen az egymáshoz viszonyított súlyuk?

28 Vizsga helyszín: IX. Ferenc tér 15. II. em Ez a Nyelvi Intézet épülete.